台湾AI雄心面临人才瓶颈，AMD王启尚，软硬件协同能力缺口成关键制约

在2026年10月于台北举行的EE Times Taiwan iTechCon技术峰会上，一场由产业界与政府代表参与的圆桌讨论揭示了一个现实困境：台湾正积极布局人工智能产业链高附加值环节，却遭遇结构性人才短缺——这一瓶颈可能延缓其从“硬件代工”向“系统定义者”跃升的进程。

AMD负责GPU技术与工程的高级副总裁王启尚（David Wang）在会后接受独家采访时表示，台湾在机架级AI系统、物理AI（Physical AI）及AI PC三大方向拥有显著机会。这些领域不仅依赖先进制程芯片，更需要跨学科整合能力——包括系统架构设计、底层驱动开发、AI框架优化与边缘推理部署等软硬协同技能。然而，当前本地人才储备明显偏向硬件工程，系统与软件层面的能力存在断层。

王启尚强调：“台湾企业已准备好承接更多设计与架构价值，而不仅限于制造环节。”但他随即指出，实现这一目标的前提是“公共与私营部门必须协作，共同培养具备系统思维与软件能力的人才”。他将当前困境形容为“鸡生蛋、蛋生鸡”的循环：若高校缺乏相关课程与产业实践接口，学生自然倾向选择就业路径更清晰的传统电子或机械专业；而若缺乏成熟产业生态，毕业生又难以获得实战经验，进一步削弱行业吸引力。

“如果没有学生，就不可能有持续的人才供给；没有足够人才，产业便无法突破纯硬件范畴。”王启尚直言，“但反过来，若没有足够规模的AI系统与应用产业，学生也难以看到职业前景——打破这个闭环，必须靠政策引导与企业投入双轮驱动。”

值得注意的是，台湾近年已在硬件端建立坚实基础。台积电3nm制程量产能力支撑了全球高端AI芯片制造需求；日月光、矽品等封测厂在CoWoS等先进封装技术上占据全球主导地位；联发科、瑞昱等IC设计公司亦加速推进边缘AI SoC研发。在此背景下，产业界普遍认为下一阶段增长点在于“系统集成”——即把芯片、封装、散热、电源管理、高速互连与AI软件栈整合为可交付的解决方案。

王启尚特别提到，随着AI算力需求从单卡扩展至整机柜规模，先进封装（如硅光集成、Chiplet异构集成）、高速互联（如UCIe、CPO共封装光学）与能效优化成为新竞争高地。台湾在封装与测试环节已具优势，但在系统级验证、固件开发与AI编译器适配等环节仍显薄弱。例如，一款支持Llama 3-70B模型本地推理的AI PC，不仅需要NPU性能达标，还需操作系统层对内存带宽调度、功耗策略与模型量化进行深度协同优化——这类能力目前多集中于美国头部厂商。

教育体系滞后是深层原因。据台湾教育部2025年统计，全台高校中开设“AI系统架构”“边缘计算系统设计”等高阶课程的院校不足15所；计算机科学系课程仍以算法与理论为主，嵌入式AI、RISC-V生态开发、LLM微调部署等实操内容占比偏低。相较之下，美国斯坦福、MIT及中国清华大学等高校已设立“AI for Systems”交叉项目，联合企业共建实验室，学生大二即可参与真实AI硬件原型开发。

产业界尝试自发补位。联发科2026年启动“天玑AI开发者计划”，向高校提供NPU开发套件与云侧训练资源；台达电子与工研院合作推出“边缘AI系统工程师认证”，覆盖从硬件选型到模型压缩的全流程培训。但此类项目规模有限，尚未形成体系化供给。

政府层面，台湾“数位发展部”2026年9月公布《AI人才跃升行动方案》，拟在未来三年投入新台币80亿元，推动10所大学设立AI系统工程学程，并设立“产业实习津贴”，鼓励企业接收硕士以上学生参与真实项目。方案同时要求半导体大厂每年开放至少50个系统级研发岗位供实习生轮岗。不过，业界观察人士指出，资金规模与执行细节仍待细化，且能否扭转学生择业偏好尚存疑问。

从全球视角看，人才争夺战早已白热化。OpenAI、Anthropic等公司持续高薪挖角高校教授与博士；英伟达2026年在亚洲新增三个AI系统实验室，重点招募具备CUDA优化与分布式训练经验的工程师；甚至印度、越南等新兴市场也在通过税收优惠吸引海外华人AI工程师回流。台湾若不能在3–5年内构建起可持续的人才管道，恐在AI价值链攀升过程中错失关键窗口期。

王启尚最后提醒：“我们不能只盯着‘造得出来’，更要关注‘用得好’。AI的终极竞争力不在单一芯片性能，而在整个系统的协同效率与落地速度。”他建议，短期可由龙头企业牵头组建“AI系统人才联盟”，统一课程标准与实训平台；中期应推动高中阶段引入计算思维与项目式学习；长期则需改革高等教育评价机制，将产业贡献纳入教师晋升指标。

当前，台湾AI产业正站在从“制造优势”转向“定义优势”的十字路口。硬件根基扎实，但系统能力的缺失如同未完成拼图的最后一块——它不阻碍局部进展，却决定整体格局的上限。人才问题不再是技术议题，而是战略命题。